La startup française Tastehit utilise machine learning et big data pour personnaliser en temps réel les sites commerçants

Convertir une visite en achat est devenu l’obsession des sites de e-commerce. Personnaliser le site en temps réel pour chaque visiteur, et devancer ses souhaits, pourrait être la solution.

tastehit-configuration-graphic V2

L’achat sur internet est passé dans les mœurs. Toutes les enseignes petites ou grandes se sont mises au commerce en ligne et dans leur sillage une multitude de sites sans représentation physique se crée régulièrement. Les frontières ont sauté par la même occasion et s’implanter dans un pays ne nécessite plus forcément des implantations physiques lourdes en investissement. La simplicité du e-commerce s’accompagne ainsi d’une concurrence exacerbée. Dans ce paysage concurrentiel, chaque site commerçant doit tout d’abord se faire connaitre pour attirer du trafic visiteurs et ensuite tenter de convertir le visiteur en consommateur avant qu’il n’aille voir ailleurs.

97% des internautes quittent une e-boutique sans y faire d’achat. C’est ce que montrent certaines études et les internautes visitent en moyenne 5 fois un site avant d’acheter. Des techniques de « retargeting » ont été mises en place pour lutter contre la volatilité des visiteurs. Le principe est simple : suivre  l’internaute pendant son parcours d’achat et tenter de le faire revenir sur un site commerçant par un ciblage précis de publicités personnalisées sur les différents sites visités. Des sociétés comme Criteo ont fait leur succès dans ce domaine en s’appuyant sur des solutions de big data puissantes pour négocier les espaces publicitaires en temps réel (RTB Real Time Bidding) et placer les messages publicitaires appropriés.

Devancer les attentes de l’internaute pour augmenter les taux de conversion. Depuis longtemps on sait qu’il est moins coûteux de garder un client que d’en gagner de nouveaux. C’est ce que les banques et les opérateurs télécom appellent le « churn management ». Il en va un peu de même avec les visiteurs sur les sites e-commerce. Comment les garder plus longtemps sur un site, et les convaincre d’acheter, plutôt que s’épuiser à les faire revenir ? Quelques sociétés se positionnent sur ce créneau et une startup française nommée Tastehit a peut-être trouvé la solution en reprenant la base de la vente : écouter le client.

Ecouter le client c’est analyser son comportement et ses attitudes . Quand le visiteur exprime précisément son attente, le problème se résume à du « search ». Bien souvent l’internaute ne sait pas précisément ce qu’il cherche et sa demande est vague (je cherche un cadeau pour quelqu’un, je cherche des habits qui correspondent à mon look, « un film bien » à regarder, etc…). En utilisant un algorithme d’autoapprentissage (machine learning), développé par ses soins, Tastehit apprend à connaitre les goûts et les souhaits du visiteur et personnalise le site de e-commerce en temps réel. L’analyse comportementale du visiteur est corrélée en temps réel avec une base de connaissance de l’ensemble des visiteurs. Les offres les plus pertinentes avec la probabilité d’achat la plus forte seront alors affichées sur la page visitée par  l’internaute. Pour le visiteur, Tastehit est un véritable outil de découverte d’autant plus important que l’écran est petit. L’usage d’un mobile pour consulter un site de e-commerce devenant prédominant,  la personnalisation du site pour le m-commerce est déterminante.

La simplicité du cloud pour faire du big data. Dans notre univers technologique tout devient possible mais nécessite souvent des compétences et un solide budget.  Tastehit se distingue là encore puisque la solution n’impose aucune modification du site marchand. Le simple ajout d’une ligne de code JavaScript (Tag) permet d’installer TasteHit et activer son tastehit-analytics V2utilisation en mode Saas (Software as a Service) dans le cloud. Un tableau de bord d’analyse est mis à disposition pour que le marchand puisse suivre les performances et les résultats de la personnalisation. Le marchant peut également y configurer certains aspects des recommandations (mettre en avant ou ne pas montrer certains produits, ou catégories, par exemple).

A noter que la solution est téléchargeable gratuitement, ne crée aucune dépendance technique et n’a pas d’impact sur le temps de chargement des pages. Tous les sites de e-commerce peuvent avec cette solution augmenter l’expérience client sans frais et sans risque.

Avec le Big Data c’est avant tout de l’économie de la donnée dont on parle

La médiatisation du déluge de données, avec ses chiffres gigantesques, pourrait faire penser que le big data est un domaine réservé aux très grandes entreprises . C’est avant tout de l’économie de la data dont on parle, cela concerne tout le monde et donne naissance à de prometteuses startups françaises.

billet bigdata

Le Big Data : une réponse à des limites techniques

Revenons à quelques notions essentielles. Le déluge de données, mis en avant en 2010 par The Economist, a souligné les problèmes techniques qui allaient se poser. Comment bâtir des architectures capables d’absorber en flux continu des quantités énormes de données et pour un cout acceptable ? Les grands acteurs du Web comme Yahoo et Google ont été les tous premiers à être confrontés à ce problème dès 2004.

Cela a donné naissance au fameux « frameworks » Hadoop  pour constituer des « data-lakes » ou des « data-hubs » capables d’être alimentés en continu par diverses sources de données et de pouvoir s’étendre facilement au gré de la croissance des données. Des bases de données NoSQL sont apparues également pour apporter des réponses en termes de performances et d’extensibilité (scalabilité) là où les bases de données relationnelles montraient leurs limites. On apportait ainsi une réponse technique au problème de gestion de la quantité et de la diversité des données.

L’important c’est la data

Seuls 2 à 3% des données sont réellement exploités. Le terme Big Data est un vecteur médiatique non négligeable qui a permis de sensibiliser le plus grand nombre à la valeur potentielle de la donnée et à son poids grandissant dans l’économie mais il devient trop imprécis quand on s’attaque aux réels cas d’usage.

La finalité est la création de la valeur à partir des données. Les algorithmes et le machine learning prennent ainsi une place grandissante pour exploiter avec de plus en plus de pertinence les données.

Avoir un projet Big Data n’est pas un objectif en soi et n’a pas de réelle signification. La véritable stratégie consiste à identifier les sources de données disponibles et à imaginer les cas d’usages qui pourraient bénéficier à l’entreprise. Ensuite viendra la question de l’architecture à mettre en place. Les choix technologiques dépendront alors de la volumétrie, de la diversité, du flux des données et de la performance d’accès nécessaire.

Selon le contexte de l’entreprise et des cas d’usage, les data seront « Big », « Small » ou « fast » et l’architecture technique sera bâtie en conséquence. On devra tenir compte des perspectives et de la stratégie de l’entreprise pour avoir une cohérence d’ensemble et une pérennité des choix. Au-delà des aspects techniques, l’organisation et les interactions entre les directions métiers et la direction informatique seront essentielles pour éviter la juxtaposition de solutions disparates.

Le Big Data dans l’entreprise ou dans le Cloud :

Axelle Lemaire, secrétaire d’état au numérique, a encore rappelé, lors du débat d’orientation stratégique à l’assemblée nationale, l’importance de l’économie de la donnée. Toutes les entreprises doivent se sentir concernées par cette économie de la donnée et peuvent, selon leur taille et leur prévision, mettre en œuvre des solutions de Big Data dans leur centre informatique ou bien utiliser des services de big data dans le cloud.

On peut se réjouir de voir en France de nombreuses startups innover dans le domaine du Big Data. Impossible de toutes les citer mais en voici quelques-unes qui me paraissent intéressantes :

Criteo: Une réussite pour ce spécialiste français du re-targeting. De nombreuses sociétés de e-commerce utilisent ses solutions basées sur des technologies de big data performantes afin d’inciter les internautes à revenir sur leurs sites marchand.

VirtualScale : Considérée par EBG comme une des 10 startups les plus prometteuses, cette jeune société française propose des solutions d’infrastructure Big Data dans le Cloud.

Quasardb : A ma connaissance c’est la seule solution européenne de type NoSQL et elle est française. Elle se présente comme la nouvelle génération des bases de données NoSQL. Elle a annoncé tout dernièrement son intention d’offrir la solution dans  le cloud Azure de Microsoft

Tastehit : Cette toute jeune société, passée par l’incubateur NUMA, utilise le machine learning pour personnaliser un site commerçant en fonction du visiteur et l’inciter à rester sur le site. La solution, simple de mise en œuvre, est proposée sous forme d’un logiciel en mode SaaS (software as a service) dans le cloud. L’architecture de type NoSQL utilisée par Tastehit est hébergée par un opérateur de cloud..

A n’en pas douter les entreprises qui n’auront pas su, dans l’avenir, exploiter les données perdront un sérieux avantage concurrentiel et passeront à côté de nouvelles opportunités commerciales.